Analisi grammaticale del testo

L'analisi grammaticale del testo è l'associazione di una parte del discorso a ogni parola di una frase. Consente di stabile le relazioni tra le parole di una frase, quelle adiacenti e quelle contenute all'interno di una stessa proposizione.

Le parti del discorso

Le principali parti del discorso sono le seguenti:

1. aggettivo
2. articolo
3. avverbio
4. congiunzione
5. interiezione
6. preposizione
7. pronome
8. sostantivo
9. verbo

Part of Speech Tagging ( POS )

Il Part of Speech Tagging ( POS ) è un metodo per analizzare grammaticalmente un testo in modo automatico, tramite un software o un algoritmo informatico, e agevolare la comprensione dell'informazione.

E' un metodo utilizzato nell'Information Retrieval ( IR ), nel Text Mining e nell'intelligenza artificiale.

L'analisi grammaticale automatica del testo

Il testo viene dapprima suddiviso in frasi e proposizioni. Le proposizioni sono, a sua volta, trasformate in vettori sequenziali di parole.

Ogni singola parola viene confrontata con una base dati esterna, in cui sono contenuti i possibili termini del discorso.

Cos'è un termine?

Un termine è un insieme di parole ( token ) o di radici ( stem ). Gli elementi dell'insieme possono essere ordinati o meno.

• Gruppo ordinato. Le parole sono suddivise in base alla funzione che svolgono in una frase. Ad esempio, sostantivo o aggettivo. In questo caso, l'ordine dei token nell'elenco veicola un'informazione aggiuntiva. In alternativa, si può usare un tag grammaticale ( es. /V, /N, ecc. ).
  
• Gruppo non ordinato. Le parole sono contenute nella lista del termine senza alcuna indicazione aggiuntiva sulla loro funzione e senza alcun ordine particolare.
  

Nota. L'etichettatura è più difficile nel caso dei titoli, in quanto sono spesso sintetici o stringati e quasi privi di una struttura grammaticale o, comunque, usano una struttura differente rispetto a quella di una frase normale.

L'etichettatura o tagging delle parole

La gestione dei token consente l'etichettatura ( tagging ) delle parole contenute in una frase o delle principali parti o frammenti del discorso ( part of speech ).

Una volta associata a ogni parola o segmento del testo una possibile funzione lessicale, è più facile risalire alla struttura grammaticale del testo.

Come etichettare le parole

Il tag può essere aggiunto alla fine della parola dopo un simbolo separatore ( es. slash / ) sotto forma di lettera maiuscola.

1. /ADJ = aggettivo
2. /A = articolo
3. /ADV = avverbio
4. /CNJ = congiunzione
5. /UH = interiezione
6. /P = preposizione
7. /PRO = pronome
8. /N = sostantivo
9. /V = verbo

Esempio. La frase "il cane abbaia" può essere riscritta nella seguente forma "il/A cane/N abbaia/V".

Il tagging può anche essere più specifico. Ad esempio, è possibile specificare il tipo di verbo aggiungendo un'ulteriore lettera al tag ( es. /VD ) oppure un nuovo tag ( es. /MOD ):

1. /VD = passato
2. /VG = participio presente
3. /VN = participio passato
4. /MOD = verbo modale

In alternativa, l'etichettatura del testo può essere effettuata tramite le meta-informazioni del linguaggio XML ( eXtensible Markup Language ) o di qualsiasi altro linguaggio di web semantico.

Nota. Un altro problema riguarda le parole isolate nel testo, quelle poste tra parentesi o negli elenchi puntati. In questi casi, è più difficile risalire alla loro funzione grammaticale all'interno del testo.